Le nouveau bridge IA de Tesla réduit la consommation d'énergie sans perte de précision

Tesla a trouvé une solution de contournement pour les lois de la physique. « The Mixed-Precision Bridge » développé par Tesla a été révélé pour la première fois dans le brevet US20260017019A1. Math Translator comble le fossé pour une technologie 8 bits bon marché, à faible consommation d'énergie. Cette technologie n'est capable de traiter que des entiers de base et maintenant la technologie premium Rot8 pour l'élite 32 bits.

Il déverrouille d'abord le processeur AI5, qui devrait être 40 fois plus puissant que notre matériel actuel. Ceci est très important dans le Tesla Optimus, qui dispose d'une batterie de 2,3 kWh, soit environ 1/30e de la Model 3. En utilisant le traitement GPU 32 bits, il consommera toute cette puissance en moins de quatre heures et plus de 500 W juste pour « penser ».

Ainsi, Tesla réduit le budget de puissance de calcul en dessous de 100 W. Le problème du « mur thermique » a été résolu. Désormais, les robots sont capables de rester en équilibre et conscients pendant un horaire de travail de 8 heures sans avoir chaud.

Les ingénieurs de Tesla intègrent la précision dans la lecture des panneaux routiers

Le brevet a introduit « Silicon Bridge », qui permet aux systèmes Optimus et FSD d'avoir une superintelligence, sans réduire leur autonomie d'un kilomètre ni faire fondre leurs circuits à cause de la chaleur. Cela transforme le matériel économique de Tesla en une machine de classe superordinateur.

De plus, cela a résolu le problème d'oubli. Dans les anciens modèles du FSD, le véhicule remarquait le panneau stop, mais si le camion obscurcissait sa vision pendant environ 5 secondes, il l'« oublierait ».

Maintenant, Tesla utilise une fenêtre « à contexte long », permettant à l'IA de consulter des données datant de 30 secondes ou plus. Cependant, à de plus grandes « distances » dans le temps, les calculs positionnels standard ont tendance à causer une dérive.

Le pipeline de précision mixte de Tesla corrige cela en maintenant une haute résolution positionnelle. Cela garantit que l'IA sait exactement où se trouve ce panneau stop occulté. Ceci même après qu'un long moment se soit écoulé en se déplaçant autour de lui. En effet, l'équipe Tesla affirme que les rotations RoPE sont suffisamment précises pour que le panneau reste fixé à ses coordonnées 3D dans la carte mentale de la voiture.

Tesla affirme avoir son indépendance vis-à-vis de l'écosystème CUDA de NVIDIA

Le brevet décrit une méthode particulière d'écoute utilisant une approximation Log-Sum-Exp. En restant dans le domaine logarithmique, il est capable de gérer la grande « plage dynamique » du son, d'un léger bourdonnement à un camion de pompiers bruyant, en utilisant uniquement des processeurs 8 bits sans avoir à « couper » les sons forts et perdre les sons faibles. Cela permet à une voiture d'écouter et de distinguer son environnement avec une précision 32 bits.

Tesla emploie le Quantization-Aware Training, ou « QAT ». Plutôt que d'entraîner l'IA dans un environnement 32 bits « parfait » et de la « réduire » par la suite, ce qui aboutit généralement à une IA « ivre et erronée », Tesla entraîne l'IA dès le premier jour dans un environnement simulé avec des contraintes 8 bits, ce qui déverrouille essentiellement les possibilités d'implémenter l'IA de Tesla dans quelque chose de beaucoup plus petit qu'une voiture.

L'intégration de ces mathématiques dans le silicium donne également à Tesla son indépendance stratégique. Tesla est indépendant de l'écosystème CUDA de NVIDIA et est en mesure d'adopter la stratégie Dual-Foundry simultanément avec Samsung et TSMC.

La combinaison des avancées en IA de xAI et des capacités de calcul haute performance en fait un concurrent prometteur face à Stargate d'OpenAI, qui sera lancé en 2027.

Les esprits crypto les plus intelligents lisent déjà notre newsletter. Vous voulez vous joindre à eux ? Rejoignez-les.